大型言語モデルによる脳MRIプロトコルの評価:GPT4o,o3-mini,DeepSeek-R1およびQwen2.5-72Bの性能

科学分野:

• 医療用イメージング
• 放射線学における人工知能
• 神経放射線学

背景:

• 脳MRIのプロトコルは 時間のかかる 非解釈的な作業で 放射線科医の仕事量にも寄与します
• プロトコルの生成を自動化することで,この負担を軽減することができます.

研究 の 目的:

• 配列レベルの脳MRIプロトコルを生成するための様々な大型言語モデル (LLM) の能力を評価する.
• LLMで作成したプロトコルの性能と,放射線科のレジデントが作成したプロトコルの性能を比較する.

主な方法:

• 150人の脳MRI症例を遡及的に分析した.
• GPT-4o,o3-mini,DeepSeek-R1,およびQwen2.5-72Bは,ローカル標準のコンテキスト学習となく,プロトコルを生成するために使用されました.
• プロトコル品質を評価するために,精度指数 (冗長と欠落した配列の合計) が使用されました.

主要な成果:

• o3-miniは1.94 ± 1.25の精度指数で最高の性能を示した.
• すべてのLLMは,文脈学習 (adj. p < 0.001) とする.
• 最高性能のLLM (o3-ミニ強化) は,放射線科のレジデントに匹敵する精度指数 (1.77 ± 1.28) を達成しました.

結論:

• LLMは脳MRIプロトコルの半自動化に重要な可能性を秘めています.
• LLMプロトコル生成の精度を大幅に改善します.
• o3-miniとGPT-4oは,このアプリケーションにおいて特に有望である.